杨洋 陈家俊

摘要：BP神经网络广泛应用于众多实际问题解决中，但是有一些缺点：容易陷入局部最小值，学习速度慢，计算精度低等。采用群智能算法优化的BP神经网络，可行性和实用性更强。本文对群智能算法中的遗传算法、蜂群算法、蚁群算法和萤火虫算法优化的BP神经网络应用进行分析和综述，对群智能算法优化BP神经网络的未来发展有着重要的参考价值。

关键词：群体智能;BP神经网络;遗传算法;蜂群算法;蚁群算法;萤火虫算法

中图分类号：TP311     文献标识码：A

文章编号：1009-3044（2020）35-0007-04

开放科学（资源服务）标识码（OSID）：

Review on Application of Intelligent Algorithm to Optimize BP Neural Network

YANG Yang， CHEN Jia-jun

（School of Electronics and Information Engineering West Anhui University， Luan 237012， China）

Abstract： BP neural network is widely used in many practical problems， but it has some  disadvantages： easy to fall into local minimum value， slow learning speed， low calculation accuracy. BP neural network optimized by swarm intelligence algorithm is more feasible and practical. This paper analyzes and summarizes the application of BP neural network optimized by genetic algorithm， bee colony algorithm， ant colony algorithm and firefly algorithm， which has important reference value for the future development of swarm intelligence algorithm optimization BP neural network.

Key words： swarm intelligence; neural network; genetic algorithm; bee colony algorithm; ant colony algorithm; firefly algorithm

人工神經网络（Artificial Neural Networks，简写为ANNs）也简称为神经网络（NNs）或称作连接模型（Connection Model），它是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。这种网络依靠系统的复杂程度，通过调整内部大量节点之间相互连接的关系，从而达到处理信息的目的[1] 。

1986 年，Rumelhant 和McClelland 提出了多层前馈网络的误差反向传播（ Error Back Propagation） 神经网络学习算法[2]。

BP神经网络的基本原理是，利用已有结果的数据对网络进行训练，之后用训练好的网络模型对未知数据样本进行输出预测[3]。BP神经网络因具有良好的非线性映射能力、自学习和自适应能力，成为目前应用最多的神经网络之一[4]。

群体智能源于对以蚂蚁、蜜蜂等为代表的社会性昆虫的群体行为的研究，最早被用在细胞机器人系统的描述中。它的控制是分布式的，不存在中心控制，群体具有自组织性[5] 。

1989 年 Gerardo Beni 和 Jing Wang在文章《Swarm Intelligence》中第一次提出了“群体智能”这个概念[6]。……